[发明专利]基于双输入卷积神经网络的睡眠阶段分类方法及应用

说明书

一种基于双输入卷积神经网络的睡眠阶段分类方法及应用，获取有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段，建立有限穿越可视图复杂网络；提取节点度值；根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标；建立双输入卷积神经网络模型；采用十折交叉验证和双输入卷积神经网络模型，将节点度值序列和睡眠阶段脑电片段输入到双输入卷积神经网络模型，将睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明能够实现对不同睡眠阶段脑电信号的高准确率的分类。可应用于智能家居监测设备，通过分析智能家居监测设备测得的睡眠脑电信号，实现对使用者大脑状态的监测。

技术领域

本发明涉及一种睡眠阶段分类方法及应用。特别是涉及一种基于双输入卷积神经网络的睡眠阶段分类方法及应用。

背景技术

睡眠是发生在人类身上的一个重要的、动态的、有规律的过程，它对一个人的日常活动有着重要的影响，睡眠是大脑活动的最重要的功能之一。一个健康人的大脑在睡眠过程中会经历几种状态，即睡眠阶段。随着现在社会生活压力的增加，越来越多的人被睡眠相关的疾病，如睡眠呼吸暂停、失眠、嗜睡、昏厥等所困扰。这将严重的影响人们的健康和生活质量。越来越多的人们希望通过连续的脑电信号采集与分析并进行睡眠监护来了解自己的睡眠状态。睡眠阶段检测，就是对睡眠阶段进行分类，这对睡眠障碍的诊断和睡眠的研究起着至关重要的作用。

可视图理论作为一元时间序列复杂网络分析的一个重要的分支，近年来在生理信号分析上的应用越来越广泛。与可视图相比有限穿越可视图具有更好的抗噪能力，其已被广泛用于实测信号分析。卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。

发明内容

本发明所要解决的技术问题是，提供一种能够实现对不同睡眠阶段脑电信号的高准确率分类的基于双输入卷积神经网络的睡眠阶段分类方法及应用。

本发明所采用的技术方案是：一种基于双输入卷积神经网络的睡眠阶段分类方法，包括如下步骤：

1)获取有限穿越可视图复杂网络的特征指标，包括：

(1)对一个长度为T的睡眠阶段脑电片段建立有限穿越可视图复杂网络，其中，x_t表示睡眠阶段脑电片段的第i个节点；

(2)提取节点度值；

(3)根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标；

2)建立双输入卷积神经网络模型；

3)采用十折交叉验证和双输入卷积神经网络模型，将N个节点度值序列和N个长度为T的睡眠阶段脑电片段输入到双输入卷积神经网络模型，将一个长度为T的睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。

步骤1)第(1)步包括：

(ⅰ)设置有限穿越视距为L；